استفاده از شبکه عصبی مصنوعی درپیش بینی خصوصیات پرش هیدرولیکی درمقاطع مستطیلی واگرا با شیب معکوس

حوضچه آرامش از مهمترین سازه­های مستهلک کننده انرژی جریان در پایین­دست سازه­های آبی که جریان در آن­ها حالت فوق بحرانی دارد، می­باشد. نظر به اهمیت این سازه و همچنین پرهزینه بودن احداث آن، ضرورت مدل کردن قبل از ساخت کاملا محسوس می­باشد. همچنین مدل کردن این سازه در شرایط آزمایشگاهی برای حالات مختلف پرهزینه بوده و نیاز به زمان زیادی دارد. لذا از گذشته سعی بر این بوده که خصوصیات پرش هیدرولیکی از قبیل طول پرش، افت انرژی پرش، نسبت اعماق مزدوج و غیره را به پارامترهای هیدرولیکی و مشخصات سطح مقطع جریان مانند عدد فرود، زاویه واگرایی، شیب کف، شیب دیواره­های جانبی و غیره ارتباط دهند. به همین جهت مطالعات زیادی در این خصوص صورت پذیرفته است. در این تحقیق خصوصیات پرش هیدرولیکی شامل نسبت اعماق مزدوج، طول پرش و افت انرژی پرش در مقاطع مستطیلی واگرا با شیب معکوس به صورت توابعی از پارامترهای عدد فرود اولیه، شیب کف و زاویه واگرایی با استفاده از شبکه عصبی مصنوعی مدل گردیدند و میزان دقت مدل در برآورد هر یک از این مشخصات هیدرولیکی مورد بررسی قرار گرفت. نتایج حاصل نشان داد که مدل قادر به پیش­بینی این خصوصیات با دقت بسیار بالا می­باشد. هم­چنین میزان اهمیت هر یک از پارامترهای مورداستفاده در پیش­بینی خصوصیات مورد مطالعه پرش هیدرولیکی در این تحقیق توسط مدل تعیین، که با استفاده از نتایج حاصل و نرم­افزارdata fit  برای هر یک از این خصوصیات یک رابطه بر حسب پارامترهای موجود استخراج گردید که این روابط نیز از دقت بالایی در پیش­بینی خصوصیات موردنظر بهره­مند می­باشند